ノートブックでは良く見えるモデルが取引では無価値になることがあり、その理由はたいていアルゴリズムではなく評価にあります。このスキルは、scikit-learnを作法として教え、短いチェック（計算する数、並べ替える手順、結び付ける概念）と金融の例を使います。スケーラーを学習日だけで当てはめる理由、重なるラベルが未来を漏らす仕組みとパージ・エンバーゴによる除去、リッジとラッソが係数に与える影響、方向予測のロジスティック回帰が「常に上がると答える」をほとんど上回れない理由、フォレストが弱いシグナルを過学習する仕組み、情報係数でリターンモデルを採点する方法、公正なハイパーパラメータ探索に必要な学習回数、クラスタリング・PCA・置換重要度にできること・できないことを扱います。総仕上げは、パージ付きウォークフォワード分割、クロスセクション特徴量、月次株式モデルの採点を自分で作るコードラボです。
